近日，河南工业大学生物工程学院李瑞芳教授团队在国际顶级跨学科学术期刊《Advanced Science》上发表了题为“Deep Learning Combined with Quantitative Structure‒Activity Relationship Accelerates De Novo Design of Antifungal Peptides”的研究论文。硕士研究生尹柯栋为第一作者，李瑞芳为第一通讯作者，河南工业大学为唯一署名单位和通讯单位。该研究工作得到了国家自然科学基金项目的资助，河南工业大学生物工程学院和信息科学与工程学院为该研究提供了平台。

　　病原真菌容易产生耐药性，真菌感染严重威胁人类生命健康，研发不易产生耐药性的新型抗真菌药物迫在眉睫。抗真菌肽凭借其多靶点、多途径的作用机制，使病原真菌不易产生耐药性，是理想的抗真菌药物候选分子。但抗真菌肽的发现周期长，传统筛选方法效率低下。基于此，李瑞芳教授团队创新性地开发了一种基于深度学习和定量构效关系经验筛选的抗真菌肽从头设计方法DL-QSARES。该方法通过重组优势氨基酸和二肽组成生成候选抗真菌肽(c_AFP)，并利用自然语言处理模型和基于物理化学性质的QSAR方法进行高效筛选，最终获得49个对白色念珠菌具有显著抑制活性的c_AFP，其中4个最优的c_AFP对多种病原真菌的最小抑菌浓度均小于10 μg/mL，在白色念珠菌深部感染动物模型治疗中表现出优异的体内治疗效果。这项研究为抗真菌药物研发提供了全新的智能化设计范式，显著加速了抗真菌肽的发现进程，为解决病原真菌耐药性难题开辟了新途径。

　　作为国际学术界公认的高水平综合性顶级期刊，《Advanced Science》具有强大的学术影响力。李瑞芳教授团队长期致力于人工智能肽类药物设计研究。该研究成果是团队在生物学、药学与计算机科学等多学科交叉领域取得的重要突破。（文 尹柯栋 ）